Navegando por Assunto "Redes neurais convolucionais"
Agora exibindo 1 - 4 de 4
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Artigo Acesso aberto (Open Access) Busca por arquiteturas de redes neurais artificiais profundas utilizando algoritmos genéticos(2022-12-13) RIBEIRO, Denys Menfredy Ferreira; TEIXEIRA, Otávio Noura; http://lattes.cnpq.br/5784356232477760As redes neurais artificiais são os pilares dos avanços das duas últimas décadas do campo de Inteligência Artificial. Porém, o sucesso no treinamento visando obter bons resultados, depende fortemente da escolha dos valores de um conjunto de hiper-parâmetros associados a construção das mesmas. A escolha desses parâmetros é normalmente feita de forma empírica, desperdiçando tempo e gerando custos. Neste trabalho, e proposto o desenvolvimento de um algoritmo ENAS (Evolutionary Neural Architecture Search) utilizando algoritmos genéticos como mecanismo de busca para automatizar a construção de arquiteturas de redes neurais convulsionais aplicadas a tarefa de classificação de imagens do dataset CIFAR-10. O algoritmo proposto conseguiu encontrar arquiteturas que obtiveram bons resultados de acurácia no conjunto de teste.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Prognóstico de falhas baseado em redes neurais convolucionais: uma análise para estimar a vida útil remanescente de turbinas turbofan(2021-06-03) SILVA, William Machado da; BAYMA, Rafael Suzuki; http://lattes.cnpq.br/6240525080111166Este trabalho propõe um método baseado em aprendizado profundo para estimar a vida útil remanescente (RUL do inglês, Remaining Useful Life) de turbinas turbofan. É apresentada uma arquitetura de rede neural convolucional (CNN do inglês, Convolutional Neural Network). O método proposto é aplicado a um conjunto de dados da NASA (do inglês, National Aeronautics and Space Administration) para a estimativa RUL, variando o conjunto de sensores e a forma de degradação das turbinas em dois modelos: RUL linear e RUL linear por partes. Os resultados experimentais são comparados entre si e com outros métodos encontrados na literatura, as comparações mostram que o método proposto RUL linear por partes apresenta desempenho comparável aos outros trabalhos publicados em termos da raiz do erro quadrático médio (RMSE do inglês, Root Mean Square Error) e uma métrica específica de competições de prognósticos.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Rede neural convolucional para o diagnóstico de rolamentos em baixa rotação(2024-05-24) SILVA, Jonatas Cruz da; COSTA, Thiago Barroso; http://lattes.cnpq.br/2617134540357756; SOUSA, Walter dos Santos; http://lattes.cnpq.br/5903481928919040Este trabalho concentra-se na aplicação de redes neurais convolucionais (CNNs) no diagnóstico de falhas em rolamentos de baixa rotação, uma área crucial para garantir a segurança e a eficiência, principalmente na indústria de mineração. A utilização do sinal de vibração apresenta desafios devido ao fato de os rolamentos de baixa rotação funcionarem sob cargas consideráveis e, ocasionalmente, em condições não estacionárias. Além do mais, devido a energia associada ao sinal da falha no rolamento ser fraca, o seu monitoramento é dificultado pela presença de ruídos provenientes de outras fontes que pode mascarar o sinal da falha. Portanto, ferramentas de processamento de sinal e algoritmos de aprendizado de máquina foram propostos para lidar com essas questões. Dentre as técnicas de aprendizado de máquina, os modelos de diagnósticos baseados em aprendizagem profunda se popularizaram nos últimos anos, principalmente o modelo de rede neural convolucional devido ao seu desempenho. Assim, neste trabalho é proposto a elaboração de um modelo de diagnóstico em rolamentos de baixa rotação, baseado em uma rede neural convolucional, onde os dados de entrada são sinais de vibração que posteriormente são transformados em uma imagem na escala de cinza, denominada de imagem de vibração, e, por fim, utilizado para o treinamento do modelo. Para o treinamento e validação do modelo foram usados sinais de vibração de rolamento de um misturador de granéis que opera com rotação de 50 rpm, sendo estes sinais coletados com os rolamentos saudáveis e, posteriormente, com rolamentos defeituosos com diferentes graus de severidade e com diferentes níveis de carregamento do maquinário. Após o treinamento do modelo é analisado a acurácia para a avaliar o desempenho e precisão do modelo proposto. Portanto, este trabalho visa criar uma ferramenta de diagnóstico automatizada para falha em rolamentos de baixa rotação com um elevado nível de acurácia, assim facilitando o monitoramento de maquinário que utiliza esses tipos rolamentos garantido a eficiência e segurança nos setores industriais. Como resultado, obteve-se dois modelos de diagnóstico automatizado de falha, um multiclasses e outro binário, onde obtiveram excelentes resultados.Trabalho de Curso - Graduação - Artigo Acesso aberto (Open Access) Sistema de reconhecimento facial com base em técnicas de aprendizado de máquina(2022-01-31) SANTOS, Vagner Vieira dos; PINHEIRO, Daniel da Conceição; http://lattes.cnpq.br/2970581734279237O trabalho propõe estudos na área de aprendizado de máquina para reconhecimento facial. A implementação de um sistema de identificação pessoal visa comparar fluxos de informação contidos em conjuntos de dados obtidos a partir do processamento de vídeos e fotos de indivíduos como mecanismo de prevenção de fraudes. A tecnologia de redes neurais é usada para criar embeddings (representação vetorial de características faciais) de rostos, extraindo rostos de fotos. Assim, são utilizados modelos previamente treinados em bancos de dados massivos, como OpenFace e Facenet, pois são validados e demonstram resultados científicos com alto índice de eficácia. Vale ressaltar que os procedimentos foram aplicados e comparados com diferentes classificadores como Support Vector Machine (SVM), k-Nearest Neighbors (KNN) e Convolutional Neural Network (ConvNet). Os resultados adquiridos foram baseados no processo de comparação entre programação Python via Jupyter Notebook e Orange Software versão 3.29.3. Os testes realizados mostraram resultados positivos e promissores.